Text
Perbandingan Kinerja Distance-Weighted k-Nearest-Neighbor (DWKNN) dan k-Nearest-Neighbor (KNN) pada Kasus Penyakit Demam Berdarah Dengue (DBD) (Studi Kasus RSUD Kajen Kabupaten Pekalongan Tahun 2017)
ABSTRAK
Demam Berdarah Dengue (DBD) merupakan penyakit demam akut yang disebabkan oleh virus dengue yang masuk ke peredaran darah manusia melalui gigitan nyamuk dari genus Aedes misalnya Aedes aegypti atau Aedes albopictus. Angka kejadian yang cenderung meningkat dan penyebarannya yang semakin meluas membuat infeksi dengue menjadi salah satu permasalahan kesehatan masyarakat Indonesia. Data dari Dinkes Kota Pekalongan menyatakan bahwa tahun 2016, di Kota Pekalongan terdapat 47 kasus DBD dengan Incidence Rate (IR) atau angka kesakitan adalah 15,66 per 100.000 penduduk, meningkat bila dibandingkan IR DBD tahun 2015 yaitu 11,03 per 100.000 penduduk. k-Nearest Neighbor (KNN) merupakan salah satu algoritma pembelajaran mesin yang sederhana. Hal ini didasarkan pada gagasan bahwa suatu objek yang 'dekat' satu sama lain juga akan memiliki karakteristik yang mirip. Kelemahan utama algoritma KNN adalah masing-masing tetangga terdekat k sama pentingnya. Distance-Weighted k-Nearest Neighbor (DWKNN) dikembangkan untuk menjawab kelemahan utama algoritma KNN tersebut. Metode DWKNN memberikan bobot tetangga terdekat lebih besar dibandingkan tetangga lain yang berada pada jarak yang lebih jauh dari amatan yang belum diketahui kelasnya. Tujuan dari penelitian ini adalah mendapatkan metode terbaik dengan menggunakan metode KNN dan metode DWKNN untuk mengklasifikasikan data pasien Demam Berdarah Dengue di RSUD Kajen Kabupaten Pekalongan tahun 2017. Berdasarkan analisis yang telah dilakukan, pengklasifikasian data pasien Demam Berdarah Dengue (DBD) di RSUD Kajen Kabupaten Pekalongan pada tahun 2017 sebaiknya dilakukan menggunakan metode DWKNN karena memiliki nilai APER yang lebih kecil yaitu sebesar 10,53% dibandingkan dengan nilai APER pada metode KNN yaitu sebesar 14,04%.
Kata Kunci: Demam Berdarah Dengue (DBD), klasifikasi, KNN, DWKNN
ABSTRACT
Dengue Haemorrhagic Fever (DHF) is an acute fever caused by dengue virus that enters the human blood circulation through mosquito bites from Aedes genus such as Aedes aegypti or Aedes albopictus. Increasing incidence rates and widespread spread make dengue infection one of Indonesia's public health problems. Data from Pekalongan City Health Office stated that in 2016, there are 47 cases of DHF with Incidence Rate (IR) or the morbidity rate is 15.66 of 100,000 population, which is increasing when compared to DHF 2015 with IR rate in 11,03 out of 100.000 population. k-Nearest Neighbor (KNN) is one of the simplest machine learning algorithms. This is based on the idea that an object that is 'close' to each other will also have similar characteristics. The main weakness of the KNN algorithm is that each of k's closest neighbors is equally important. Distance-Weighted k-Nearest Neighbor (DWKNN) was developing the main weakness of the KNN algorithm. The DWKNN method gives the closest neighbor weights greater than the other neighbors that are at a greater distance than the class unknown. The purpose of this research is to get the best method by using KNN method and DWKNN method to classify data of Dengue Hemorrhagic Fever patient in RSUD Kajen Pekalongan Regency 2017. Based on the analysis that has been done, the classification of data of Dengue Hemorrhagic Fever patient in RSUD Kajen Kabupaten Pekalongan in 2017 should be done using the DWKNN method because it has a smaller APER value of 10.53% compared to the value of APER on the KNN method of 14.04%.
Keywords: Dengue Haemorrhagic Fever (DHF), classification, KNN, DWKNN
655E18III | 655 E 18 | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain